EPIDEMIOLOGI. Hva er det? Medisin for ikke-medisinere. onsdag 25. september Tom Ivar Lund Nilsen. Institutt for samfunnsmedisinske fag

Transkript

1 EPIDEMIOLOGI Hva er det? Medisin for ikke-medisinere onsdag 25. september 2002 Tom Ivar Lund Nilsen Institutt for samfunnsmedisinske fag TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 1

2 Medisinsk forskning Fire hovedområder årsaker til sykdom (epidemiologisk forskning) behandling av sykdom (klinisk forskning) molekylære og genetiske grunnlag for sykdom (basalforskning) helsevesenets effektivitet og kvalitet (helsetjenesteforskning) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 2

3 Epidemiologi Epidemiologi er... systematisk leting etter årsaker til sykdom og hensikten er å innhente kunnskap som gjør at sykdommer kan forebygges TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 3

4 Epidemiologiens historie (1) Til alle tider har folk hatt en formening om sykdomsårsaker f.eks. gudenes vrede, planetenes stilling, gasser i luften, eller egne synder smitteteorier med sanksjoner mot de syke ble tidlig foreslått Begrepet epidemiologi var opprinnelig knyttet til studier av smittsomme sykdommer (epidemier) man prøvde å finne årsaken til epidemien og deretter forebygge mest kjent er kanskje John Snow og hans studier av koleraepidemien i London på 1850-tallet TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 4

5 John Snow ( ) Snow kartla forekomsten av kolera hvert sykdomstilfelle ble systematisk plottet på et kart over Londons gater fant en opphopning rundt én vannpumpe Snow konkluderte med at smitten kom med vannet pumpen ble stengt og antall nye tilfeller redusert TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 5

6 Epidemiologiens historie (2) Utover 1900-tallet har epidemiologien utviklet seg raskt: ikke bare smittsomme, men også kroniske sykdommer særlig fokus på å avdekke risikofaktorer for kreft hjerte/kar noen snakker også om epidemiologi i forhold til: trafikkskader trygdeytelser TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 6

7 Kunnskap om årsaker Viktigst i epidemiologien er altså å tilegne seg kunnskap om årsaker til sykdom TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 7

8 Hvordan få denne kunnskapen? Man kan studerer sykdommenes forekomst relatert til: Tid har det vært endringer i forekomsten over en viss periode Sted er det ulik forekomst mellom ulike geografiske områder Personer er forekomsten knyttet til spesielle egenskaper eller eksponeringer som personer har eller utsettes for TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 8

9 Tid Forekomst av kreft i Norge , alle lokalisasjoner (aldersjustert insidensrate) ( 2002) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 9

10 Sted Føflekk-kreft i Norge Relativ risiko etter fylke ( 2002) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 10

11 Personer demografi (alder, kjønn, rase) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 11

12 Alder og kjønn Kreft i Norge De hyppigste kreftformer fordelt på kjønn og alder ( 2002) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 12

13 Personer demografi (alder, kjønn, rase) antropometri (høyde, vekt, fedme) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 13

14 Fedme BMI og risiko for brystkreft Relativ risiko Brystkreft under 50 år Brystkreft over 50 år lav medium høy (TI Lund Nilsen, 2002 ( data fra HUNT I)) Kategorier av BMI TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 14

15 Personer demografi (alder, kjønn, rase) antropometri (høyde, vekt, fedme) sosioøkonomi (utdanning, yrke, inntekt) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 15

16 Utdanning dårlig selvopplevd helse langvarig helseproblem kronisk sykdom (Krokstad et al., 2002) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 16

17 Personer demografi (alder, kjønn, rase) antropometri (høyde, vekt, fedme) sosioøkonomi (utdanning, yrke, inntekt) livsstil (kosthold, røyk, alkohol, fysisk aktivitet) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 17

18 Fysisk aktivitet Relativ risiko for brystkreft ved høy vs. lav fysisk aktivitet (Thune & Furberg, 2001) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 18

19 Personer demografi (alder, kjønn, rase) antropometri (høyde, vekt, fedme) sosioøkonomi (utdanning, yrke, inntekt) livsstil (kost, røyk, alkohol, fysisk aktivitet) miljøfaktorer (fysiske og kjemiske faktorer, yrkeseksponering) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 19

20 Yrkeseksponering Observert og forventet antall tilfeller av lungekreft blant ansatte i norske nikkelverk Antall lungekreft Forventet antall Observert antall (Romundstad, 2002) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 20

21 Personer demografi (alder, kjønn, rase) antropometri (høyde, vekt, fedme) sosioøkonomi (utdanning, yrke, inntekt) livsstil (kost, røyk, alkohol, fysisk aktivitet) miljøfaktorer (fysiske og kjemiske faktorer, yrkeseksponering) biologi og genetikk (blodtrykk, kolesterol, hormoner, gener) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 21

22 Blodtrykk Sammenheng mellom blodtrykk og hodepine i ulike aldersgrupper (Hagen et al., 2002) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 22

23 Personer demografi (alder, kjønn, rase) antropometri (høyde, vekt, fedme) sosioøkonomi (utdanning, yrke, inntekt) livsstil (kost, røyk, alkohol, fysisk aktivitet) miljøfaktorer (fysiske og kjemiske faktorer, yrkeseksponering) biologi og genetikk (blodtrykk, kolesterol, hormoner, gener) Alle disse utgjør mulige årsaksfaktorer som vi i epidemiologien ofte omtaler som eksponeringer TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 23

24 Den sanne sammenheng I epidemiologien er vi opptatt av å finne den sanne sammenheng mellom eksponering og sykdom og for å finne en sammenheng som er nærmest mulig den sanne sammenheng er det spesielle elementer som er nødvendige i gjennomføringen av en studie TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 24

25 Nødvendige elementer gode og pålitelige mål på sykdom god og pålitelig informasjon om eksponeringsfaktorer det best egnede studiedesign TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 25

26 Mål på sykdom (og død) prevalens andel med sykdom i en spesifikk populasjon på et gitt tidspunkt insidens antall nye tilfeller av sykdom i en spesifikk populasjon i løpet av et gitt tidsrom mortalitet antall som dør av en gitt sykdom i en spesifikk populasjon i løpet av et gitt tidsrom TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 26

27 Prevalens Andel av en populasjon som har en sykdom på et gitt tidspunkt: eksempel: dersom prevalensen av diabetes er på 3% den 1. september 2002 så kan det f.eks. bety at 30 av 1000 personer hadde diabetes denne datoen et viktig sykdomsmål i helseplanlegging sier noe om ressursbehovet ikke velegnet for å finne årsaker til sykdom TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 27

28 Insidens Antall nye tilfeller av en sykdom som oppstår i en populasjon i løpet av et gitt tidsrom: eksempel: dersom insidensen av brystkreft er 7% per år så kan det f.eks. bety at dersom man følger 1000 kvinner i ett år så vil 70 få diagnosen brystkreft det beste og mest brukte sykdomsmål i årsaksstudier studerer sammenhengen mellom eksponering og antall nye tilfeller av en sykdom som oppstår etter at eksponeringen har inntruffet TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 28

29 Nødvendige elementer gode og pålitelige mål på sykdom god og pålitelig informasjon om eksponeringsfaktorer det best egnede studiedesign TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 29

30 Mål på eksponering Informasjon om pasienter/deltakere fremskaffes via: intervju kostbart og tidkrevende, mulig feilrapportering spørreskjema (selvutfylt) redusert deltakelse, mulig feilrapportering registre (kobling til folkeregister, fødselsregister, m.fl.) tillatelse fra datatilsynet kliniske undersøkelser/blodprøver kostbart og tidkrevende det er enkelte fallgruver når man skal velge ut deltakere og samle informasjon... TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 30

31 Bias og confounding ingen gode utrykk for disse begrepene på norsk, derfor bruker man ofte de engelske ordene: i ordboka: Bias = fordreining Confounding = å blande sammen TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 31

32 Bias Avvik fra den sanne sammenheng; en skjevhet i den målte sammenheng mellom eksponering og sykdom som kan oppstå pga.: Seleksjonsbias spesielle grupper deltar/deltar ikke i studien spesielle grupper unnlater å svare på spørsmål Informasjonsbias over- eller underdriver det sanne eksponeringsnivå spørreskjema klarer ikke å fange opp den virkelige eksponering Når informasjonen er samlet inn kan man ikke gjøre noe med bias, dette må man forebygge i studieplanleggingen TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 32

33 Eksempel på seleksjonsbias The healthy worker effect: dersom man sammenligner sykeligheten blant folk som jobber i et helseskadelig arbeidsmiljø med sykeligheten i resten av befolkningen vil man ofte finne at arbeiderne har lavere sykelighet dette er jo motsatt av hva man ville forventet et resultat av en seleksjonsprosess hvor de som fortsatt er i arbeid er de som er friskest, mens de som ble syke av arbeidsmiljøet allerede er sluttet TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 33

34 Eksempel på informasjonsbias I en studie er man interessert i å se på sammenhengen mellom medfødte misdannelser og eksponeringer i svangerskapet: informasjon om eksponering innhentes fra mødre til misdannede barn og sammenlignes med informasjon fra mødre til barn uten misdannelser man kan tenke seg at mødre til misdannede barn tenker nøyere igjennom hendelser i svangerskapet enn andre mødre dermed kan det oppstå en skjevhet i informasjonen om mulige risikofaktorer mellom de to gruppene av mødre dette betegnes i epidemiologien som recall bias, og er et aktuelt problem når syke og friske skal huske tilbake om mulige eksponeringsfaktorer TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 34

35 Confounding Også et avvik fra den sanne sammenheng; en skjevhet i den målte sammenheng mellom eksponering og sykdom som kan oppstå fordi: effekten av en utenforliggende faktor blander seg med effekten av den faktor man ønsker å studere kriterier for en konfunderende faktor: det må være en uavhengig sammenheng mellom confounderen og sykdommen og mellom confounderen og den opprinnelige eksponeringsfaktoren Dersom man har informasjon om mulige konfunderende faktorer kan man i statistiske analyser justere bort den sammenblandede effekten og finne den sanne sammenheng mellom eksponering og sykdom TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 35

36 Eksempel på confounding høyde er en risikofaktor for prostatakreft høye menn har litt større risiko enn lave menn alder er en risikofaktor for prostatakreft økt alder gir større risiko i tillegg er det en sammenheng mellom høyde og alder eldre menn er lavere enn yngre menn dersom man måler sammenhengen mellom høyde og prostatakreft uten å ta hensyn til alder vil det se ut som om lave menn har høyere risiko bare fordi lave menn er eldre dersom man justerer for effekten av alder ser man at sammenhengen er motsatt, høye menn har større risiko TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 36

37 Prostatakreft, høyde og alder Relativ risiko for prostatakreft blant menn som deltok i HUNT Høyde Ujustert relativ risiko Aldersjustert relativ risiko Lav Medium Høy TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 37

38 Nødvendige elementer gode og pålitelige mål på sykdom god og pålitelig informasjon om årsaksfaktorer det best egnede studiedesign TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 38

39 Studiedesign deskriptive studier tverrsnittsstudier analytiske studier eksperimentelle studier randomiserte kontrollerte studier (RCT) observasjonsstudier kohortstudier case-control studier TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 39

40 Deskriptive studier sier noe om forekomst og fordeling av sykdommer og mulige årsaksfaktorer i populasjonen kan indikere årsakssammenhenger (hypotesegenrerende) Tverrsnittsstudier gir et øyeblikksbilde av befolkningen prevalens av sykdom (andelen med en sykdom vs. andelen uten) samler informasjon om deltakernes sykdoms- og eksponeringsstatus samtidig kan ikke si med sikkerhet at eksponeringen inntraff før sykdommen ( hva kom først, høna eller egget? ) dermed ikke så velegnet til å studere mulige årsaksfaktorer men finner man en sammenheng mellom sykdom og eksponering kan dette danne grunnlag for videre studier i et analytisk design TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 40

41 Analytiske studier Eksperimentelle studier randomiserte kontrollerte studier Observasjonsstudier kohort case-control TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 41

42 Randomiserte kontrollerte studier Randomiserte studier er gullstandarden i årsaksforskning: brukes oftest for å evaluere effekt av en ny behandling eller et nytt medikament randomisering vil si at eksponering (behandling) og ikkeeksponering (placebo) fordeles tilfeldig blant deltakerne dersom det er mange nok deltakere vil randomiseringen føre til at gruppen av eksponerte og ikke-eksponerte er tilnærmet like når det gjelder faktorer som kan påvirke effekten av behandling (f.eks. alder, kjønn, røyking, sosial status, etc.) behandlings- og placebo-gruppen følges deretter over tid for å se hvilken effekt behandlingen har på sykdomshelbredelsen man kan trekke slutninger om behandlingens effektivitet basert på statistiske sammenhenger TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 42

43 Uetisk gullstandard? MEN de fleste epidemiologiske problemstillinger lar seg ikke studere i et slikt eksperimentelt design uetisk å påføre folk en eksponering som gir sykdom man må som oftest bruke alternative studiedesign, hvor obersvasjonsstudier er de mest vanlige: kohort studier case-control studier TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 43

44 Observasjonsstudier (1) Kohortstudier det som ligger nærmest gullstandarden RCT utgangspunktet er også her eksponert eller ikke-eksponert, men man har ikke fordelt eksponeringen tilfeldig, bare registrert hva den enkelte er utsatt for deretter registrerer man andelen som blir syke i fremtiden går fremover i tid, fra eksponering til sykdom ettersom eksponeringen ikke er randomisert kan gruppen av eksponerte og ikke-eksponerte være forskjellig m.t.p faktorer som alder, kjønn, røyking, mm. må samle informasjon om slike mulige konfoundere, og justere i statistiske analyser TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 44

45 Observasjonsstudier (2) Case-kontroll studier utgangspunktet er syk eller ikke-syk man registrerer en gruppe med syke, og velger en gruppe med friske kontroller som disse skal sammenlignes med her er det fare for seleksjonsbias både når det gjelder definering av syke og ved utvelgelse av kontroller registrerer andelen som var eksponert i fortiden her er det fare for informasjonsbias dersom deltakerne selv skal fortelle om sin eksponeringsstatus går bakover i tid, fra sykdom til eksponering også her er det viktig å ha informasjon om mulige confoundere for at gruppen av syke og friske skal være sammenlignbare TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 45

46 Eksempel på en kohort-studie Man vil studere sammenhengen mellom luftforurensning og astma: utgangspunktet er alle nyfødte barn i Trondheim i år 2001 (disse utgjør en kohort) fordeler barna i eksponeringsgrupper, f.eks. én gruppe med lav og én gruppe med høy luftforurensning i nærmiljøet etter en viss tid teller man opp antall astmatilfeller i de to gruppene etter å ha justert for effekten av andre faktorer (confoundere) som kan forstyrre sammenhengen kan man si noe om de som her mest eksponert for luftforurensning har større forekomst av astma enn de minst eksponerte TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 46

47 Eksempel på en case-control studie Temaet er det samme, luftforurensning og astma: men nå er utgangspunktet alle barn som utviklet astma i Trondheim i løpet av år 2001 (caser) så velger man et like stort antall barn uten astma fra den samme befolkningen (kontroller) deretter teller man opp antall barna i de to gruppene som har vært utsatt for lav eller høy luftforurensning i nærmiljøet etter å ha justert for effekten av andre faktorer (confoundere) som kan forstyrre sammenhengen kan man si noe om de som har astma har vært mer eksponert for luftforurensning enn de som ikke har astma TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 47

48 Fordeler og ulemper Kohort Fordeler direkte mål på sykdomsforekomst lite utsatt for bias flere sykdommer kan studeres fra den samme eksponeringsinformasjon Ulemper må samle informasjon om mange (kostbart/ressurskrevende) uegnet ved sjeldne sykdommer (må følge kohorten over laaang tid for å få nok syke) Case-control Fordeler effektiv ved sjeldne sykdommer trenger informasjon fra færre individ Ulemper utsatt for bias (både seleksjons- og informasjonsbias) kan bare studere én sykdom for hvert studie TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 48

49 Nødvendige elementer gode og pålitelige mål på sykdom god og pålitelig informasjon om årsaksfaktorer det best egnede studiedesign TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 49

50 I tillegg... må man utføre korrekte statistiske analyser, og... ha gode epidemiologiske mål på sammenhengen mellom eksponering og sykdom TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 50

51 Relativ risiko insidens ratio er et vanlig mål på sammenheng i epidemiologiske studier (kohortstudier) og omtales oftest som relativ risiko risiko for å få sykdom dersom du er eksponert, relativt til risiko for å få sykdom dersom du ikke er eksponert fra eksponering til sykdom odds ratio er også mye brukt (i case-control studier), og vil i mange tilfeller være lik relativ risiko odds for å være eksponert dersom du er syk, relativt til odds for å være eksponert dersom du ikke er syk fra sykdom til eksponering det kan være vanskelige å formidle slike relative mål på sammenheng på en forståelig måte til publikum... TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 51

52 Eksempel på relativ risiko følger 1000 høye kvinner og 1000 lave kvinner i ett år og finner at det oppstår 10 nye brystkrefttilfeller blant de laveste og 15 blant de høyste dette gir en relativ risiko (insidens ratio) på 1.5 eller 50% høye kvinner har 50% større risiko for brystkreft enn lave kvinner det er 50% flere brystkrefttilfeller blant høye sammenlignet med lave risikoforskjellen er på 5 brystkrefttilfeller dersom man fant 100 brystkreft blant lave og 150 blant høye relativ risiko er fortsatt 50% men risikoforskjellen er nå på 50 brystkrefttilfeller Det er derfor viktig å være oppmerksom på hyppigheten av sykdommen når man snakker om relativ risiko TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 52

53 Oppsummering epidemiologi er studiet av sykdommers årsaker studerer sykdomsforekomst i forhold til mulige årsaksfaktorer tid sted personer gode epidemiologiske studier krever gode mål på sykdomsforekomst insidens gode mål på mulige årsaksfaktorer ikke bias, og nok informasjon til å justere for mulig confounding det best egnede studiedesign gullstandarden er RCT, men oftest umulig å gjennomføre (etikk) da er kohortstudier eller case-control studier de mest vanlige korrekte statistiske analyser som gir gode assosiasjonsmål insidens ratio og odds ratio er mest vanlig (men ikke enkle å forstå) TI Lund Nilsen EPIDEMIOLOGI - Hva er det? 53